python statsmodel中的VIF计算

statsmodel中计算VIF的代码如下：

k_vars = exog.shape[1]
x_i = exog[:, exog_idx]
mask = np.arange(k_vars) != exog_idx
x_noti = exog[:, mask]
r_squared_i = OLS(x_i, x_noti).fit().rsquared   ## NO INTERCEPT
vif = 1. / (1. - r_squared_i)

拟合时，它不包括截距。根据Wooldridge的“经济计量学导论（6ed）”，似乎应该包括截距：“…从所有其他自变量的Xj回归得出的R平方（，包括截距）。”

---

statmodels错了吗？还有别的包裹我可以核对一下吗？谢谢。

使用statsmodels时，请始终注意添加常量（在这种情况下是必要的）；引述:

默认情况下不包括截取，用户应添加截取。请参见

statsmodels.tools.add_constant

来自MATLAB的参考：

---

在线性回归的传统矩阵公式中，X矩阵的第一个位置总是有一个1的列向量-如果没有这个，我们将得到通过原点的回归，即没有截距项。我在寻找statsmodels中的VIP时遇到了这个问题。

没有什么“错误”。这假设

exog

来自包含常数的回归模型（如果用户需要）。请参阅statsmodels github上的几个相关问题。IIRC，你可以将结果与SAS和Stata进行比较。是的，谢谢。答复更新。相关：